一、2017 年概況：行業(yè)應(yīng)用大范圍探索，2C 應(yīng)用大量出現(xiàn)
總體而言，2017 年，AI 在各個行業(yè)展開了大范圍應(yīng)用探索，并取得了不少突出進展。
這一年里：人臉識別在各地警方監(jiān)控、火車機場進出站甚至高校課堂都得到了應(yīng)用；不少醫(yī)院也開展了圖像輔助診斷嘗試；眾多法院引入了 AI 庭審語音轉(zhuǎn)錄系統(tǒng)；無人駕駛汽車大規(guī)模路測；科技部公布分別依托 BAT 和訊飛的四大國家新一代人工智能開放創(chuàng)新平臺，其中 3 個都是面向行業(yè)應(yīng)用領(lǐng)域。
雖然在 2017 年人工智能呈現(xiàn)在各行業(yè)全面滲透，但真正人工智能在行業(yè)的應(yīng)用，已經(jīng)發(fā)展了很多年。
最早追溯到 2000 年左右，捷通華聲，小i機器人等已經(jīng)成立，并在持續(xù)開展智能客服在行業(yè)的應(yīng)用。
到 12 年左右，伴隨著深度學習的突破，人工智能創(chuàng)業(yè)顯著加速，F(xiàn)ace++ 等一批人臉識別企業(yè)開始在金融、安防等領(lǐng)域進行探索。
這一波人工智能創(chuàng)業(yè)在 15、16 年達到高潮，這兩年新成立的企業(yè)，占了全部企業(yè)的近一半。
2017 年雖然人工智能概念火熱，也曝出多筆大額融資，但新成立企業(yè)已經(jīng)少了很多。
17 年，在初創(chuàng)公司、大公司的共同推動下，AI 行業(yè)應(yīng)用呈現(xiàn)出全面開花狀態(tài)。除了少數(shù)做芯片和純技術(shù)的公司，絕大部分 AI 初創(chuàng)公司都在做 AI 的行業(yè)應(yīng)用。
這些公司中的很多在 16-17 年開始推出產(chǎn)品或解決方案，并將產(chǎn)品推向行業(yè)進行試用和持續(xù)磨合。
17 年，隨著 AI 的火熱，大量互聯(lián)網(wǎng)公司和傳統(tǒng)行業(yè)內(nèi)提供解決方案的公司，開始在產(chǎn)品中引入 AI 技術(shù)，或投入 AI 的研發(fā)，技術(shù)側(cè)和行業(yè)側(cè)開始共同推動 AI 的行業(yè)應(yīng)用。
17 年之前，AI 的行業(yè)應(yīng)用遠離大眾認知，17 年直接面向大眾的產(chǎn)品開始顯著增多。
之前 AI 的行業(yè)應(yīng)用多集中在金融、安防、醫(yī)療等專業(yè)領(lǐng)域、專業(yè)客戶，或以智能客服等大眾無感知的形式，服務(wù)于大眾生活中個別低頻場景。
17 年，刷臉支付、公交刷臉、AI 翻譯、無人店、智能語音音箱等很多直接接觸大眾的，更高頻的 AI 應(yīng)用開始顯著增多，天貓智能音箱銷量甚至破百萬。
具體各行業(yè)應(yīng)用中，安防和自動駕駛領(lǐng)域進展較快。安防領(lǐng)域人臉識別相關(guān)技術(shù)已經(jīng)比較成熟，各地警方的使用證實了 AI 的應(yīng)用價值，大量安防企業(yè)和新成立 AI 企業(yè)開始跟進，軟硬件一體化解決方案大量推向市場。
17 年也有大量自動駕駛汽車公司獲得融資，雖然離最終上路運營還有距離，但路測結(jié)果及政策持續(xù)利好給了行業(yè)很強的信心，資本的熱情持續(xù)高漲，推動行業(yè)快速發(fā)展。
AI 在其它大部分行業(yè)都有一些應(yīng)用，但有些處于零散試點狀態(tài)，很多則處于和行業(yè)具體磨合和探索階段，要么產(chǎn)品與行業(yè)需求不完全匹配，要么產(chǎn)品還比較原始，不能完全達到行業(yè)要求，要么落地時存在各種執(zhí)行層面各種困難，導致企業(yè)難以獲得銷售收入。
雖然沒有直接數(shù)據(jù)，但業(yè)界普遍流傳的說法是，大部分公司 AI 產(chǎn)品或方案 17 年沒有多少收入，少部分有收入，但還沒實現(xiàn)顯著盈利。
二、大公司、政策、資本、輿論熱度是 4 大推動力
2017 年 AI 行業(yè)應(yīng)用之所以取得了不少進展，與這一年里大公司、資本、政府以及輿論的強勢推動有很大關(guān)系。
2017 是大公司全面布局 AI 戰(zhàn)略的一年，互聯(lián)網(wǎng)三巨頭全面戰(zhàn)略入局 AI，投入巨大，百度甚至提出了 ALL In AI 的口號（Bobin 最近又否認了）。
互聯(lián)網(wǎng)小巨頭京東、頭條等，也都搞起了 AI 搶人大戰(zhàn)，?？怠⑵桨驳葌鹘y(tǒng)巨頭，更是全面擁抱 AI。
一眾巨頭的入局，增強了行業(yè)信心，教育了市場，加快了 AI 的行業(yè)應(yīng)用速度。尤其是百度免費開放語音和人臉識別能力，更是加速了 AI 的行業(yè)落地。
政府則是在 17 年密集出臺了一系列 AI 相關(guān)政策。據(jù)億歐智庫統(tǒng)計，2017 年國家和各省市發(fā)布的涉及人工智能的政策共計 35 條，比 16 年的 17 條增長了一倍。
其中，僅國家層面的政策就有 10 條，7 月份國務(wù)院更是專門印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，從國家層面對人工智能產(chǎn)業(yè)進行了頂層設(shè)計。政策的出臺，為人工智能企業(yè)獲得政府支持和產(chǎn)業(yè)健康發(fā)展奠定了基礎(chǔ)。
資本在這一年的投資也創(chuàng)了新高。據(jù)億歐智庫統(tǒng)計，2017 年全年公布的融資總額到達 273 億元，前三季度投資金額合計就已經(jīng)超過 2016 年全年，商湯、曠視等新一輪融資更是高達數(shù)億美元。
真格、IDG、創(chuàng)新工場等多個著名投資機構(gòu)投資的 AI 項目都超過 20 個，足見資本對 AI 的看好。大筆資金的注入，使得各個 AI 公司彈藥充足，為各公司進行行業(yè)落地實施奠定了穩(wěn)健的資金基礎(chǔ)。
三、從技術(shù)角度分成 3 個大類，發(fā)展不盡相同
具體到實際落地的各種產(chǎn)品形態(tài)看，不論哪種行業(yè)，AI 應(yīng)用的具體產(chǎn)品形態(tài)，都可以根據(jù)其背后主要的支撐技術(shù)，大概分成三種：
語音文字處理類：醫(yī)療語音記錄、法院庭審語音記錄、AI 寫新聞稿、金融智能客服等；
圖像與視覺類：自動駕駛、醫(yī)療影像診斷、機器判卷、機器人分揀等；
大數(shù)據(jù)分析預(yù)測類： 智能風控、健康管理系統(tǒng)、案件刑期預(yù)測等；
同類技術(shù)的產(chǎn)品方案在不同行業(yè)應(yīng)用程度顯然不同。不同行業(yè)本身的信息化程度不同，行業(yè)對技術(shù)指標需求也不同，方案為行業(yè)帶來的價值不同，行業(yè)能夠承受的成本也不同，同類技術(shù)的產(chǎn)品方案的應(yīng)用程度肯定也就不同。
例如同樣是人臉識別，刷臉支付對識別準確率和召回率的要求，比店鋪會員識別高的多，因此人臉識別在兩個行業(yè)落地進展差別較大。
不過從技術(shù)發(fā)展角度，由于在同一時間下，各個行業(yè)間同類技術(shù)產(chǎn)品的技術(shù)不會有很大差別，故技術(shù)原理接近的各種 AI 應(yīng)用方案，其產(chǎn)品形態(tài)和應(yīng)用成熟程度也會比較接近。
因此，從技術(shù)角度，對 AI 在各行業(yè)的應(yīng)用進行跨越行業(yè)的綜合判斷，仍舊有重要參考意義。
1.語音文字處理類：進展較快
語音文字類應(yīng)用，如智能客服、語音轉(zhuǎn)文字、語音助手等，已經(jīng)在很多領(lǐng)域得到了應(yīng)用。語音識別技術(shù)已經(jīng)相對比較成熟，過去幾年在非專業(yè)領(lǐng)域已經(jīng)取得了不少應(yīng)用。
語義理解方面，相關(guān)技術(shù)近兩年進展并不算突出，要達到更實用的水平，還需要技術(shù)的突破，但智能客服、語音助手等，對技術(shù)的要求并不高，所以以目前的技術(shù)水平，也取得了一些應(yīng)用，如法律咨詢、金融客服、車載語音設(shè)備，智能音箱等。
值得注意的是，語音文字類應(yīng)用中，很多應(yīng)用對技術(shù)的要求較高，目前多輪對話和上下文理解依舊是語音文字領(lǐng)域的難題，產(chǎn)品體驗很難達到很好的效果，例如車載語音后視鏡，還只能執(zhí)行簡單的問答和操作。涉及到較多專業(yè)名詞的語音識別、翻譯等，準確率也會顯著下降。
2.圖像與視覺類：應(yīng)用較多
圖像與視覺類技術(shù)方案中，人臉識別技術(shù)已經(jīng)比較成熟，17 年商業(yè)落地較多，尤其是在安防領(lǐng)域。
AI 攝像頭能夠顯著提高警方在監(jiān)控中查找嫌疑人的時間，已經(jīng)成為安防領(lǐng)域的主流產(chǎn)品，未來幾年伴隨著監(jiān)控攝像頭的更新?lián)Q代，在各地警方的應(yīng)用還會越來越多。圖像識別等也在營銷領(lǐng)域，如視頻電商等領(lǐng)域得到了應(yīng)用。
圖像處理相關(guān)技術(shù)，17 年也取得了不小的進展，尤其是圖像風格轉(zhuǎn)換等抽象內(nèi)容處理相關(guān)，因為評判標準不太清晰，主觀性強，內(nèi)容邏輯自洽也不強，達到的效果還有娛樂性，因此得到一些應(yīng)用。18 年會有更多的相關(guān)功能集成到專業(yè)軟件中。
醫(yī)療圖像診斷、自動駕駛等圖像類應(yīng)用，也有很多公司在開展應(yīng)用測試。但這類應(yīng)用除了技術(shù)本身，還涉及到?jīng)Q策問題，影響了落地。
理論上多變量決策可以由機器學習實現(xiàn)，但決策類應(yīng)用的關(guān)鍵問題在于，機器并不能獲取到全部的決策變量，以及機器決策的結(jié)果誰來承擔責任。醫(yī)生在對圖像的診斷不只依賴于圖像，還會結(jié)合對病人的實際詢問等信息，綜合做出判斷，這點機器無法做到。
完全自動駕駛汽車發(fā)生撞人事故后的責任認定問題，也一直是討論的焦點。決策類機器不能替代人的情況下，在相關(guān)行業(yè)的應(yīng)用價值下降很多。
更復(fù)雜的行為識別等技術(shù)，在安防、新零售中也找到了應(yīng)用方向，但技術(shù)上總體離實際應(yīng)用還有些距離?；谛袨樽R別的無人零售標桿 Amazon Go 剛剛宣布面向公眾開放，具體技術(shù)水平還有待驗證。
3.大數(shù)據(jù)分析預(yù)測類：應(yīng)用較慢
很多行業(yè)的 AI 解決方案，都是基于行業(yè)大數(shù)據(jù)，搭建深度網(wǎng)絡(luò)進行建模，從而對一些指標趨勢進行分析和預(yù)測，如智能風控，分級教育，工業(yè)設(shè)備故障預(yù)測等。
但由于數(shù)據(jù)缺失，很多預(yù)測準確率不高。即便達到較高準確率，仍然面臨上文提到的機器決策存在的問題等，應(yīng)用推廣有難度。
不少大數(shù)據(jù) AI 公司，實際落地的項目主要也還是信息化系統(tǒng)或數(shù)據(jù)的挖掘和可視化部分，基于 AI 的分析預(yù)測在很多平臺的占比很小。
4.AI 落地主要限制因素：行業(yè)積累、數(shù)據(jù)、高成本
雖然 17 年 AI 在各行業(yè)都進行了探索，但除了本身的技術(shù)局限，在很多行業(yè)，行業(yè)積累、數(shù)據(jù)和高成本都限制了 AI 在行業(yè)的落地。
醫(yī)療、金融、工業(yè)等行業(yè)，專業(yè)度高，要找到AI的正確應(yīng)用方式，需要在行業(yè)有深厚積累，同時又熟悉 AI 技術(shù)。
而市面 AI 公司，要么以技術(shù)團隊為主，缺乏深厚的行業(yè)積累，難以把握行業(yè)需求，并調(diào)動足夠的行業(yè)資源。要么以行業(yè)出身的團隊為主，有一定行業(yè)資源和理解，但技術(shù)實力不足夠強。
即便技術(shù)團隊和行業(yè)團隊開展合作，產(chǎn)品或解決方案的研發(fā)需要的磨合時間非常長，對于很多創(chuàng)業(yè)公司而言，團隊和投資方的耐心不夠，錢不足以支撐長期研發(fā)，急于求成做出來的產(chǎn)品實際上并沒有解決行業(yè)本身的問題，不被行業(yè)所接受。
數(shù)據(jù)則是很多 AI 行業(yè)應(yīng)用難以落地的關(guān)鍵。大量的行業(yè)本身數(shù)據(jù)積累就不足，即便有數(shù)據(jù)也是凌亂且缺乏標簽化，數(shù)據(jù)位置也很分散，很多分散存儲在之前的各種信息化系統(tǒng)和軟件中，實現(xiàn)跨軟件數(shù)據(jù)對接難度很大。
有的行業(yè)數(shù)據(jù)雖然多，但由于安全和商業(yè)考慮，很難開放給第三方。反倒是之前為行業(yè)做專業(yè)軟件和信息化系統(tǒng)的企業(yè)，或者本身就擁有數(shù)據(jù)的行業(yè)主體本身，以后基于數(shù)據(jù)開發(fā) AI 相關(guān)功能，要容易的多。
AI 企業(yè)要通過銷售產(chǎn)品或服務(wù)變現(xiàn)，就必須解決當前 AI 研發(fā)成本過高的問題。眾所周知 AI 工程師工資普遍非常高，月薪 2 萬以上很正常。
然而 AI 在各行業(yè)的應(yīng)用中，目前以產(chǎn)品形式存在的較少，以整體解決方案存在的較多。解決方案通常都有定制需求部分，歷時也會比較長，如果人員工資非常高，方案總價也會非常高。
就目前 AI 解決方案對企業(yè)地帶來的價值并不是很大的情況下，高昂的項目費用是企業(yè)難以接受的。
5.人工智能在行業(yè)的應(yīng)用的最終形態(tài)
17 年，人工智能技術(shù)在強化學習、遷移學習，生成對抗網(wǎng)絡(luò)等方面取得了不少進展，但總體看，大部分還都是在現(xiàn)有技術(shù)上的延伸，還沒取得突破性進展。
在技術(shù)沒有質(zhì)變前，AI 在各行業(yè)應(yīng)用的最終形態(tài)已經(jīng)基本清晰，以后隨著技術(shù)發(fā)展只是慢慢進行實現(xiàn)?？傮w來看，AI 在各行業(yè)的應(yīng)用最后大概會呈現(xiàn) 3 種狀態(tài)。
第一種狀態(tài)，一些機器人的應(yīng)用，分流人的初級工作，減少人員的使用。
例如智能客服，初步具備了一些智能功能，并不能完全替代人，但是已經(jīng)能夠進行一些簡單的問答，幫人過濾掉大量費時的簡單問題，把人類客服的時間留給復(fù)雜問題，從而減少客服人員數(shù)量。
由于這類應(yīng)用節(jié)約人力成本明顯，企業(yè)接受度比較高，在各個行業(yè)已經(jīng)優(yōu)先應(yīng)用起來。
第二種狀態(tài)，在現(xiàn)有信息化工具上，引入AI增加一部分智能功能，這也將是 AI 在大部分行業(yè)的應(yīng)用形態(tài)。
大部分行業(yè)，已經(jīng)有了很多很復(fù)雜的軟件工具，協(xié)助人進行工作。人工智能能夠?qū)崿F(xiàn)的功能，相比于目前各種軟件工具的所實現(xiàn)的強大功能，只是九牛一毛。當很多行業(yè)的工具遇到 AI，其結(jié)果必然是在現(xiàn)有工具基礎(chǔ)上的 AI 增強，而不是全新的工具顛覆原工具。
以圖像處理為例，雖然目前的 AI 實現(xiàn)了各種奇特效果，但相比于 Adobe 的 Photoshop 軟件里成千上萬的圖像處理功能，仍不值一提，要基于 AI 重新開發(fā)一款軟件干掉 PS 顯然是不現(xiàn)實的。
更合理的方式顯然是 Adobe 在 Photoshop 中嵌入更多 AI 功能，Adobe 也確實在這樣做，18 年 AI 摳圖功能就將在新版 PS 中上線。
第三種狀態(tài)，基于AI誕生一些新的東西，實現(xiàn)一些之前做不到的事情。
比如：AI 圖像診斷等系統(tǒng)推動了分級診療；阿里的魯班系統(tǒng)，實現(xiàn)了千人千面的海報制做；CycleGAN 對圖像進行局部替換等傳統(tǒng)圖像處理軟件難以處理的操作；完全自動駕駛實現(xiàn)后，新型交通體系的建立。不過這部分應(yīng)用的比例會很小。
基于這三種應(yīng)用狀態(tài)看，AI 除了能推動少部分行業(yè)大的變革（如自動駕駛），對大部分行業(yè)而言，既不能大面積替代人，也很難深刻變革大部分行業(yè)。對大部分行業(yè)而言，AI 并不是什么轉(zhuǎn)型升級的良藥而是優(yōu)化，而主要是工具的優(yōu)化，或部分領(lǐng)域的散點式應(yīng)用。
四、18 年 AI+行業(yè)應(yīng)用的一些判斷和預(yù)測
在已經(jīng)能夠基本判斷未來幾年 AI 在各行業(yè)的應(yīng)用形態(tài)的情況下，對 2018 年的 AI 行業(yè)應(yīng)用形勢也有了一些基本的判斷：
1.參與主體更加寬泛
之前 AI 行業(yè)應(yīng)用的主體是創(chuàng)業(yè)公司，17 年已經(jīng)有大公司大范圍參與進來，18 年開始，伴隨著資本和大公司賽道布局的完成，AI 行業(yè)應(yīng)用投資將會變得慎重，創(chuàng)業(yè)公司再整體的比重進一步降低，更多的傳統(tǒng)企業(yè)，甚至個人和愛好者，將成為探索行業(yè)應(yīng)用的重要力量。
尤其是 Google 開放 AutoML 后，AI 開發(fā)的門檻進一步降低，將激發(fā)更多人參與到AI應(yīng)用的探索中。
2.探索范圍繼續(xù)拓寬
創(chuàng)業(yè)公司和大公司主導的 AI 行業(yè)應(yīng)用探索，多面向市場空間大，且盈利預(yù)期顯著的應(yīng)用場景，很多細小領(lǐng)域無暇顧及。所以即便經(jīng)過了 2017 年一年的熱潮，億歐智庫估計，仍有 30% 以上的 AI 行業(yè)應(yīng)用形態(tài)未被探索。
隨著參與探索 AI 行業(yè)應(yīng)用主體的寬泛，更多市場不大，甚至難以預(yù)見盈利，但確確實實與 AI 有結(jié)合的應(yīng)用場景將被探索和驗證。
3.相當一部分行業(yè)應(yīng)用將被證偽
技術(shù)和實施層面的諸多困難，使得相當多的 AI 行業(yè)應(yīng)用長期以來并沒有真正落地，可能以后也很難落地，即便能夠落地，不少 AI 解決方案對企業(yè)而言，投入產(chǎn)出并不成比例，所以難以推廣和復(fù)制。
從事這類應(yīng)用的企業(yè)，18 年將面臨難以獲得資本繼續(xù)支持的窘境，部分投資人甚至預(yù)計 18 年后半年將迎來 AI 寒冬。目前市面的各類 AI 行業(yè)應(yīng)用場景中，最后能夠落地，讓企業(yè)維持盈利正循環(huán)的，可能不高于 20% 。
一部分 AI 行業(yè)應(yīng)用，例如上文提到的在現(xiàn)有信息化系統(tǒng)上增加智能功能，對行業(yè)本身的積累和資源要求高，難以從外部突破，但從行業(yè)內(nèi)部有機會實現(xiàn)。
這部分應(yīng)用在 17、18 年或許無法被證明成立，但以后隨著行業(yè)內(nèi)部的升級將逐步落地。這部分可能在目前的各類行業(yè)應(yīng)用中，占比達到 40% 左右。
驗證成立的領(lǐng)域競爭加劇。安防等少數(shù)被驗證成立的領(lǐng)域，17 年已經(jīng)擠進了大量玩家，18 年隨著市場的逐步擴大，各家將迎來增長，但競爭也將持續(xù)加劇。
自由競爭市場下，行業(yè)最終或?qū)?7-2-1 的市場格局。而行業(yè)資源依賴較重的領(lǐng)域，原有行業(yè)內(nèi)的企業(yè)，仍將占據(jù)市場的主體地位。就像安防市場，如今幾乎沒人相信曠視、商湯們能夠動搖海康、大華們的市場地位。
4.相比于資本領(lǐng)先于市場節(jié)奏，略微落后于市場節(jié)奏的政策出臺，在 2018 年還將繼續(xù)下沉和擴展。
18年還將有更多的省和市出臺更具體的 AI 相關(guān)政策，但意義并不會很大，狹義的人工智能創(chuàng)業(yè)門檻非常高，大部分省市不具備人才和產(chǎn)業(yè)基礎(chǔ)，公司換城市也是難的。
不過不少所謂 AI 行業(yè)應(yīng)用企業(yè)將借機完成從 2VC 到 2B 到 2G 的華麗轉(zhuǎn)身，充分利用政策紅利維持企業(yè)的繼續(xù)生存。
渝公網(wǎng)安備 50010602501773號
